Что такое findslide.org?

FindSlide.org - это сайт презентаций, докладов, шаблонов в формате PowerPoint.


Для правообладателей

Обратная связь

Email: Нажмите что бы посмотреть 

Яндекс.Метрика

Презентация на тему ОбзорОбобщенная регрессионная модель

Содержание

Ошибки спецификации модели не включение в модель существенно влияющего фактора (факторов);включение в модель несущественно влияющего фактора (факторов);использование видов зависимостей, не соответствующих истинной форме связи.
Обзор  Обобщенная регрессионная модель Ошибки спецификации модели не включение в модель существенно влияющего фактора (факторов);включение в Обозначения 	 вектор-столбец наблюдений зависимой переменной 	  матрица наблюдений независимых переменных Исходя из и Сумма квадратов остатков Пример Необходимо определить, как товарооборот сети магазинов зависит от их торговой площади Рассчитаем произведение матриц Найдем обратную матрицу Рассчитаем . Найдем Регрессионная модель Интерпретация модели при изменении размера торговой площади на одну тыс. м2, при Свойства оценок параметров несмещенность;обоснованность;эффективность;инвариантность. Оценки параметров модели будут несмещенными, если математическое ожидание их выборочных значений, Так как, Учитывая Смещение    Проверка смещенности Выборочная оценка      называется обоснованной, если для любого Выборочные оценки вектора     будут только тогда эффективными, когда Теорема Гаусса-Маркова функция оценивания по методу 1МНК покомпонентно минимизирует дисперсию всех линейных  дисперсия оценок    , определенная методом 1МНК, 		 дисперсия !!!Функция оценивания 1МНК в классической линейной модели является лучшей линейно несмещенной функцией Оценка     параметров     называется инвариантной, Коэффициент множественной детерминации 		Коэффициент множественной корреляции 	Выборочная дисперсия 		Среднеквадратическое отклонение Коэффициенты корреляции, детерминации, эластичности 1. Нормировка 2. Расчет коэффициентов парной корреляции Средние и СКО Нормировкаи так далее Нормированные значения переменных Коэффициенты парной корреляции Матрица коэффициентов парной корреляции Коэффициент множественной детерминации или Скорректированный коэффициент множественной детерминации (с учетом числа степеней свободы) Коэффициент множественной корреляции Вариация включенных в модель факторов на 98,585% объясняет вариацию зависимой переменной Коэффициент эластичности Средние Коэффициенты эластичности Увеличение торговой площади на 1%, при прочих равных условиях, повлечет за собой
Слайды презентации

Слайд 2 Ошибки спецификации модели
не включение в модель существенно

Ошибки спецификации модели не включение в модель существенно влияющего фактора (факторов);включение

влияющего фактора (факторов);
включение в модель несущественно влияющего фактора (факторов);
использование

видов зависимостей, не соответствующих истинной форме связи.

Слайд 3 Обозначения
 вектор-столбец наблюдений зависимой переменной

Обозначения 	 вектор-столбец наблюдений зависимой переменной 	  матрица наблюдений независимых

матрица наблюдений независимых переменных

 вектор-столбец оцениваемых параметров

 вектор-столбец

остатков

Слайд 4 Исходя из
и

Исходя из и

Слайд 5 Сумма квадратов остатков

Сумма квадратов остатков

Слайд 7 Пример
Необходимо определить, как товарооборот сети магазинов зависит

Пример Необходимо определить, как товарооборот сети магазинов зависит от их торговой

от их торговой площади и среднедневной интенсивности потока покупателей



Слайд 11 Рассчитаем произведение матриц

Рассчитаем произведение матриц

Слайд 12 Найдем обратную матрицу

Найдем обратную матрицу

Слайд 13 Рассчитаем
.

Рассчитаем .

Слайд 14 Найдем

Найдем

Слайд 15 Регрессионная модель

Регрессионная модель

Слайд 16 Интерпретация модели
при изменении размера торговой площади на

Интерпретация модели при изменении размера торговой площади на одну тыс. м2,

одну тыс. м2, при прочих равных условиях, товарооборот увеличится

на 4,74 сотен тыс. грн.

при увеличении среднедневного потока покупателей на одну тыс. чел., при прочих равных условиях, товарооборот возрастет на 0,175 сотен тыс. грн.

Слайд 17 Свойства оценок параметров
несмещенность;
обоснованность;
эффективность;
инвариантность.

Свойства оценок параметров несмещенность;обоснованность;эффективность;инвариантность.

Слайд 18 Оценки параметров модели будут несмещенными, если математическое

Оценки параметров модели будут несмещенными, если математическое ожидание их выборочных

ожидание их выборочных значений, найденных при многократном повторении выборки,

не отличается от истинного значения

1


Слайд 20 Так как,

Так как,          то

то

Слайд 21 Учитывая

Учитывая

Слайд 22 Смещение Проверка смещенности

Смещение  Проверка смещенности

Слайд 23 Выборочная оценка называется

Выборочная оценка   называется обоснованной, если для любого сколь угодно

обоснованной, если для любого сколь угодно малого числа

выполняется соотношение

2


Слайд 24 Выборочные оценки вектора будут

Выборочные оценки вектора   будут только тогда эффективными, когда их дисперсии будут наименьшими 3

только тогда эффективными, когда их дисперсии будут наименьшими

3

Слайд 25 Теорема Гаусса-Маркова
функция оценивания по методу 1МНК покомпонентно

Теорема Гаусса-Маркова функция оценивания по методу 1МНК покомпонентно минимизирует дисперсию всех

минимизирует дисперсию всех линейных несмещенных функций вектора оценок


Слайд 26  дисперсия оценок , определенная

 дисперсия оценок  , определенная методом 1МНК, 		 дисперсия оценок

методом 1МНК,
 дисперсия оценок

, определенных другими способами

Слайд 27 !!!
Функция оценивания 1МНК в классической линейной модели является

!!!Функция оценивания 1МНК в классической линейной модели является лучшей линейно несмещенной

лучшей линейно несмещенной функцией оценивания
(с англ. BLUE 

Best Linear Unbiased Estimator)

Слайд 28 Оценка параметров

Оценка   параметров   называется инвариантной, если для произвольно

называется инвариантной, если для произвольно заданной функции

оценка параметров функции представляется в виде

4


Слайд 29 Коэффициент множественной детерминации


Коэффициент множественной корреляции

Выборочная дисперсия

Коэффициент множественной детерминации 		Коэффициент множественной корреляции 	Выборочная дисперсия 		Среднеквадратическое отклонение




Среднеквадратическое отклонение


Слайд 30 Коэффициенты корреляции, детерминации, эластичности

Коэффициенты корреляции, детерминации, эластичности

Слайд 31 1. Нормировка

1. Нормировка

Слайд 32 2. Расчет коэффициентов парной корреляции

2. Расчет коэффициентов парной корреляции

Слайд 33 Средние и СКО

Средние и СКО

Слайд 34 Нормировка
и так далее

Нормировкаи так далее

Слайд 35 Нормированные значения переменных

Нормированные значения переменных

Слайд 36 Коэффициенты парной корреляции

Коэффициенты парной корреляции

Слайд 39 Матрица коэффициентов парной корреляции

Матрица коэффициентов парной корреляции

Слайд 40 Коэффициент множественной детерминации
или

Коэффициент множественной детерминации или

Слайд 42 Скорректированный коэффициент множественной детерминации (с учетом числа степеней

Скорректированный коэффициент множественной детерминации (с учетом числа степеней свободы)

свободы)


Слайд 43 Коэффициент множественной корреляции

Коэффициент множественной корреляции

Слайд 46 Вариация включенных в модель факторов на 98,585% объясняет

Вариация включенных в модель факторов на 98,585% объясняет вариацию зависимой переменной

вариацию зависимой переменной


Слайд 47 Коэффициент эластичности

Коэффициент эластичности

Слайд 48 Средние

Средние

Слайд 49 Коэффициенты эластичности

Коэффициенты эластичности

  • Имя файла: obzorobobshchennaya-regressionnaya-model.pptx
  • Количество просмотров: 93
  • Количество скачиваний: 0